سلام دیتایادی های عزیز!تو این مدت جنگ و عدم دسترسی به اینترنت بین الملل همه ما از اخبار هوش مصنوعی جا موندیم (البته اخبار مهمتری رو چک میکردیم) اینجا خلاصه چیزایی که باید بدونید رو براتون جمع کردیم:
انویدیا و معماری ورا روبین (Vera Rubin):انویدیا توی کنفرانس GTC رسماً از نسل بعد پردازندههاش پرده برداشت. جالبه بدونید سرعت پردازش توکنها نسبت به دو سال پیش ۳۵۰ برابر شده! یعنی چیزی که قبلاً ۱۰۰ دلار هزینه داشت، الان با چند سنت انجام میشه. دوران «هوش مصنوعی ارزان» واقعاً شروع شد.
کلاود ۴.۷ و ابزار طراحی جدید:آنتروپیک با معرفی Claude Opus 4.7 نشون داد که توی کدنویسی بدون نظارت (Unsupervised Coding) فعلاً بیرقیبه. اما بمب اصلی Claude Design بود؛ یه محیط تعاملی که با کلاود میشینید و اسلاید، پروتوتایپ و دیزاین تحویل میگیرید.
جنجال اخلاقی آنتروپیک vs پنتاگون:داغترین خبر سیاسی این ماه بود. آنتروپیک جلوی خواسته پنتاگون برای حذف گاردریلهای امنیتی از قرارداد ۲۰۰ میلیون دلاریشون ایستاد و گفت اجازه نمیده از مدلهاش برای سلاحهای خودکار استفاده بشه.
تخصصیتر شدن مدلهای OpenAI:اپنایآی از مدل GPT-Rosalind رونمایی کرد که مخصوص بچههای علوم زیستی و تحقیقات پزشکیه. در کنارش ایجنتها (Agentic AI) رو با آپدیت SDK جدیدش خیلی هوشمندتر و کاربردیتر کرده.
جمینای وارد هالیوود شد:گوگل با همکاری شرکت Avid، مدل جمینای رو برد وسط نرمافزارهای تدوین حرفهای. یعنی از این به بعد تدوینگرها میتونن با یه دستور متنی، راشهای ویدئویی رو مرتب کنن یا از هوش مصنوعی بخوان براشون B-Roll بسازه.
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
۶:۳۱
خبر خوب برای دانشجویان آموزش متخصص علم داده
یه آپدیت پربار به دوره جامع متخصص علم داده اضافه شد با عنوان کاهش ابعاد.
تو این بخش جدید خیلی عمیق و کاربردی به تمام جنبه های کاهش ابعاد توجه کردیم. کانسپت و مفهوم کاهش ابعاد رو کامل بررسی کردیم و یه تمرین خیلی خوب هم کنارش انجام دادیم.
طبق وعدهای که برای بهروز نگه داشتن آموزشها داده بودیم، این فصل آموزشی جدید به صورت کاملاً رایگان به پنل کاربری تمام دانشجویانی که قبلاً دوره جامع متخصص علم داده رو تهیه کردند، اضافه شد.
این روزا چون اینترنت بین الملل نیست فرصت خوبیه برای آموزش!
یه نکته مهم: تمام آموزش های ما با اینترنت ملی قابل مشاهده هست.
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
یه آپدیت پربار به دوره جامع متخصص علم داده اضافه شد با عنوان کاهش ابعاد.
۶:۱۳
ارتش زنبورها؛ وقتی پهپادها «مغز مشترک» پیدا میکنند
توی پستهای قبلی دیدیم چطور هدف شناسایی میشه، اما جذابترین (و ترسناکترین) بخش ماجرا اینجاست: حمله دستهجمعی .
وقتی میگیم Swarm، منظورمون فقط تعداد زیاد پهپاد نیست، منظورمون هماهنگی بدون نیاز به انسانه. بیاین از لحاظ فنی بررسیش کنیم.
۱. معماری غیرمتمرکز (Decentralized Control) :توی یک Swarm واقعی، چیزی به اسم «پهپاد رهبر» وجود نداره. اگه یه پهپاد رهبر داشتیم و دشمن اون رو میزد، کل سیستم از کار میافتاد. در عوض، هر پهپاد یک لایه محلی از تصمیمگیری داره. این یعنی اگه ۱۰ تا پهپاد رو از یه دسته ۵۰ تایی بزنن، ۴۰ تای باقیمونده بلافاصله خودشون رو بازسازی میکنن (Self-healing) و ماموریت رو ادامه میدن.
۲. الگوریتمهای بیولوژیک (Bio-inspired Algorithms) :برنامهنویسهای نظامی از رفتار پرندهها و ماهیها الگوبرداری کردن. سه قانون طلایی توی کدنویسی این پهپادها وجود داره که بهش میگن Boids Algorithm:
Separation (جداسازی) : پهپادها نباید به هم بخورن (اجتناب از برخورد).
🟠 Alignment (همترازی) : همه باید با سرعت و جهت میانگینِ دسته حرکت کنن.
🟡 Cohesion (پیوستگی) : سعی میکنن به مرکز ثقل دسته نزدیک بمونن تا انسجام حفظ بشه.
۳. شبکه مش (Mesh Networking) و پهنای باند:چالش اصلی اینه که اینها چطور با هم حرف میزنن؟ این پهپادها یک Mobile Ad-hoc Network (MANET) تشکیل میدن. یعنی هر پهپاد نقش یک مودم/روتر رو بازی میکنه و دیتا رو به نفر بعدی پاس میده. اینطوری برد عملیاتی کل دسته به شدت بالا میره و سیستم در برابر جنگ الکترونیک (Jamming) مقاومتر میشه.
۴. تقسیم وظایف هوشمند (Task Allocation):اینجای ماجرا خیلی تکنیکال میشه. الگوریتمهایی مثل Market-based Approach استفاده میشن. انگار پهپادها با هم مزایده میذارن! مثلاً پهپادی که باتری بیشتری داره یا زاویه دیدش به هدف بهتره، «برنده» میشه تا حمله رو انجام بده و بقیه وظیفه فریب دادن پدافند رو بر عهده میگیرن.
کی تو این حوزه کار کردن؟
آمریکا (پروژه OFFSET دارپا): اونا دارن روی دستههای ۲۵۰ تایی از پهپادهای هوایی و زمینی کار میکنن که بتونن توی محیطهای پیچیده شهری عملیات کنن.
چین (شرکت CETC): رکورد پرواز همزمان صدها پهپاد با هماهنگی کامل رو دارن و روی اشباع کردن ناوهای هواپیمابر تمرکز کردن.
توی Swarm، هوش در یک نقطه نیست، بلکه در «روابط بین پهپادها»ست. این یعنی شما با یک دشمن طرف نیستید، با یک «ارگانیسم دیجیتال» طرفید که کشتنش تقریباً غیرممکنه.
#جنگ_هوشمند
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
وقتی میگیم Swarm، منظورمون فقط تعداد زیاد پهپاد نیست، منظورمون هماهنگی بدون نیاز به انسانه. بیاین از لحاظ فنی بررسیش کنیم.
۱. معماری غیرمتمرکز (Decentralized Control) :توی یک Swarm واقعی، چیزی به اسم «پهپاد رهبر» وجود نداره. اگه یه پهپاد رهبر داشتیم و دشمن اون رو میزد، کل سیستم از کار میافتاد. در عوض، هر پهپاد یک لایه محلی از تصمیمگیری داره. این یعنی اگه ۱۰ تا پهپاد رو از یه دسته ۵۰ تایی بزنن، ۴۰ تای باقیمونده بلافاصله خودشون رو بازسازی میکنن (Self-healing) و ماموریت رو ادامه میدن.
۲. الگوریتمهای بیولوژیک (Bio-inspired Algorithms) :برنامهنویسهای نظامی از رفتار پرندهها و ماهیها الگوبرداری کردن. سه قانون طلایی توی کدنویسی این پهپادها وجود داره که بهش میگن Boids Algorithm:
🟠 Alignment (همترازی) : همه باید با سرعت و جهت میانگینِ دسته حرکت کنن.
🟡 Cohesion (پیوستگی) : سعی میکنن به مرکز ثقل دسته نزدیک بمونن تا انسجام حفظ بشه.
۳. شبکه مش (Mesh Networking) و پهنای باند:چالش اصلی اینه که اینها چطور با هم حرف میزنن؟ این پهپادها یک Mobile Ad-hoc Network (MANET) تشکیل میدن. یعنی هر پهپاد نقش یک مودم/روتر رو بازی میکنه و دیتا رو به نفر بعدی پاس میده. اینطوری برد عملیاتی کل دسته به شدت بالا میره و سیستم در برابر جنگ الکترونیک (Jamming) مقاومتر میشه.
۴. تقسیم وظایف هوشمند (Task Allocation):اینجای ماجرا خیلی تکنیکال میشه. الگوریتمهایی مثل Market-based Approach استفاده میشن. انگار پهپادها با هم مزایده میذارن! مثلاً پهپادی که باتری بیشتری داره یا زاویه دیدش به هدف بهتره، «برنده» میشه تا حمله رو انجام بده و بقیه وظیفه فریب دادن پدافند رو بر عهده میگیرن.
کی تو این حوزه کار کردن؟
آمریکا (پروژه OFFSET دارپا): اونا دارن روی دستههای ۲۵۰ تایی از پهپادهای هوایی و زمینی کار میکنن که بتونن توی محیطهای پیچیده شهری عملیات کنن.
چین (شرکت CETC): رکورد پرواز همزمان صدها پهپاد با هماهنگی کامل رو دارن و روی اشباع کردن ناوهای هواپیمابر تمرکز کردن.
توی Swarm، هوش در یک نقطه نیست، بلکه در «روابط بین پهپادها»ست. این یعنی شما با یک دشمن طرف نیستید، با یک «ارگانیسم دیجیتال» طرفید که کشتنش تقریباً غیرممکنه.
#جنگ_هوشمند
۱۲:۳۲
5-neural-networks-and-deep-learning_DATAYAD.COM.pdf
۱۵.۷۹ مگابایت
Neural Networks and Deep Learning
اگر از سطح کتابهای مقدماتی فراتر رفتهاید و میخواهید واقعاً بفهمید که پشت صحنه شبکههای عصبی چه میگذرد، این کتاب یکی از بهترین گزینههاست.
سرفصلهای کلیدی کتاب:درک ساختار پرسپترون و نورون سیگموئیدالگوریتم پسانتشار خطا (Backpropagation) – با جزئیات کاملبهبود عملکرد شبکه: توابع هزینه، منظمسازی و بهینهسازهاشبکههای عمیق و مشکل محو/انفجار گرادیانپیادهسازی دستی یک شبکه عصبی برای تشخیص ارقام دستنویس
۶:۲۵
وقت، انرژی و انگیزه تون رو هدر ندید .
۱۵:۰۰
یکی از مقالات جدید سایت دیتایاد که فکر کنم جواب خیلی از سوالات شما رو داشته باشه.
تأثیر هوش مصنوعی بر آینده مشاغل و بازار کار جهانی
بزن رو این لینک مقاله رو بخون
لینک مقاله
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
۶:۰۱
سلام به همه
قول داده بودیم که همیشه آموزشها رو بهروز نگه داریم.خب، داریم به قولمون عمل میکنیم.
دو تا آپدیت جدید اضافه کردیم به دورههامون:
اولی برای کسایی که دوره متخصص علم داده رو گرفتن:یه فصل جدید به اسم کاهش ابعاد بهش اضافه شد. خیلی ساده و عملی گفتیم چی هست، چطور کار میکنه و یه تمرین خوب هم روش انجام دادیم.
دومی برای کسایی که دوره بینایی کامپیوتر رو دارن:مبحث Vision Transformers یا همون ViT رو اضافه کردیم. همون فناوری جدیدی که داره جای CNNها رو میگیره. دیگه مثل قدیم فقط فیلترهای کوچک نیست، تصویر رو تکهتکه میبینه.
هر دوی این فصلهای جدید، کاملا رایگان به پنل کسایی که قبلاً دوره رو خریدن اضافه شده.
این روزا اینترنت بینالملل نیست، ولی همه مطالب ما با اینترنت ملی باز میشه. خب فرصت خوبیه برای یاد گرفتن.
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
قول داده بودیم که همیشه آموزشها رو بهروز نگه داریم.خب، داریم به قولمون عمل میکنیم.
دو تا آپدیت جدید اضافه کردیم به دورههامون:
۶:۲۵
برای عزیزانی که به تازگی به کانال دیتایاد اومدن
ما این مدت چندتا کتاب برای دانلود براتون گذاشتیم که به ترتیب لینک هاشون رو اینجا میذاریم.
بازم کتاب میذاریم براتون فعلا اینارو داشته باشید!
Mathematics for Machine Learning
Practical Statistics for Data Scientists
Neural Networks and Deep Learning
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
Mathematics for Machine Learning
Practical Statistics for Data Scientists
Neural Networks and Deep Learning
۱۶:۰۶
بیاین فنیتر نگاه کنیم؛ توی این لایه چه اتفاقی میافته؟
۱. ادغام دادههای ناهمگن (Data Fusion):توی جنگهای مدرن، ثانیهای هزاران دیتا تولید میشه: تصاویر ماهوارهای (SAR)، سیگنالهای رادیویی، پستهای تلگرامی سربازها، دیتای سنسورهای حرارتی و گزارشهای مردمی. سیستمهایی مثل Lattice (محصول شرکت Anduril) یا پلتفرمهای شرکت Palantir، همهی این دیتای شلخته رو میگیرن و با الگوریتمهای Graph Analysis، یک تصویر واحد و ۳ بعدی از کل جبهه میسازن.
۲. هوش مصنوعی در خدمت OSINT (اطلاعات آشکار):امروز تلگرام و توئیتر، بخشی از میدان جنگن. مدلهای زبانی (LLMs) و سیستمهای پردازش متن، ۲۴ ساعته دارن گروههای چت و کانالهای خبری رو اسکن میکنن. اگه یه سرباز روس عکسی از ناهارش بذاره که تو پسزمینهاش یه دکل خاص باشه، AI بلافاصله لوکیشن دقیق رو استخراج میکنه و اون رو به عنوان یک هدف احتمالی به توپخانه پیشنهاد میده.
۳. تحلیل پیشبینانه (Predictive Analytics):اینجاست که جادو (یا بهتر بگم، آمار) وارد میشه. الگوریتمها با بررسی الگوهای حرکتیِ تانکها و تانکرهای سوخت در هفتههای گذشته، میتونن حدس بزنن که دشمن «احتمالاً» ۴۸ ساعت دیگه از کدوم محور حمله میکنه. این دقیقاً همون کاریه که Project Maven پنتاگون انجام میده؛ استفاده از مدلهای یادگیری عمیق برای تشخیص الگوهایی که از چشم تحلیلگر انسانی پنهان میمونه.
۴. سیستم «دلتا» (Delta) در اوکراین :اوکراینیها یک سیستم بومی به اسم Delta دارن که در واقع یک نقشهی ابریِ زنده از موقعیت دشمنه. هر سرباز میتونه با گوشی اندرویدی خودش، موقعیت یک تانک رو تو سیستم ثبت کنه و AI با چک کردن تصاویر ماهوارهای، اون رو تایید یا رد کنه.
غولهای پشت پرده:
Palantir: شرکتی که پیتر تیل (از بنیانگذاران PayPal) راه انداخت و عملاً مغز متفکر تحلیل دیتای سازمان CIA و حالا ارتش اوکراینه.
Anduril: شرکتی که توسط پالمر لاکی (سازنده Oculus) تاسیس شد و تخصصش ساخت سیستمهای دفاعی خودمختار و سنسورهای هوشمنده.
خلاصه فنی:
برنده جنگ دیگه کسی نیست که تانک بیشتری داره؛ کسیه که «چرخه تصمیمگیری» (OODA Loop) کوتاهتری داره. یعنی سریعتر دیتا رو میگیره، سریعتر تحلیل میکنه و سریعتر دستور شلیک میده.
#جنگ_هوشمند
۱۴:۳۱
آینده از آنِ کشورهاییست که هم برق پایدار دارند و هم جرأت سرمایه گذاری روی انرژی هسته ای.
۱۷:۲۲
۱۰:۵۴
دیتایاد | هوش مصنوعی و علم داده
یکی از سوالاتی که جدیدا خیلی از بچه ها چه تو مشاوره رایگان چه تو تماس هاشون میپرسن اینه:
برم سراغ یادگیری مدل زبانی یا بینایی کامپیوتر ؟ کدوم بهتره؟
عزیزان هیچ بهتر و بدتری وجود نداره. بهتر اونی هست که بهش علاقه داری. تمام
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
اصلا هر دو این مسیر ها جذابن اول اونی که بیشتر علاقه دارید رو شروع کنید بعد برید سراغ اون یکی میبنید که هر دو خفن و باحالن.
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
۱۰:۵۷
۱۹:۴۹
۱۳:۳۰
دیتایاد | هوش مصنوعی و علم داده
یه سری از بچه های که باهاشون صحبت میکنیم نمیدونن با نت ملی میشه از DeepSeek استفاده کرد.
تو این وضعیت خیلی به درد میخوره حتما استفاده کنید.
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
🫤 بابا بیخیال عمو جنسن نون مارو آجر نکن برادر.
۱۹:۳۳
در باب ناامیدی نسل جوان
تو مشاوره رایگان دیتایاد افراد ۴۰ تا ۴۵ ساله با انرژی میگن اقا ما میخوایم یه چیز جدید یاد بگیریم.
اون وقت جوون ۲۲ ساله زنگ زده میگه داداش دیر نیست برای سن من


یکم پر انرژی تر باشید نسل Z
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
تو مشاوره رایگان دیتایاد افراد ۴۰ تا ۴۵ ساله با انرژی میگن اقا ما میخوایم یه چیز جدید یاد بگیریم.
اون وقت جوون ۲۲ ساله زنگ زده میگه داداش دیر نیست برای سن من
یکم پر انرژی تر باشید نسل Z
۱۶:۲۴
۱۳:۴۹
دیتایاد | هوش مصنوعی و علم داده
بچه هایی که دانشجو دیتایاد هستن دقت کنن که یک سری از آپدیت های دوره ها نیاز به اینترنت پایدار داره.
مثلا بخش vision Transformer از آموزش بینایی کامپیوتر هنوز ادامه داره و تموم نشده منتها یکم کار ریکورد و آپدیت دوره ها در شرایط فعلی سخته دیگه. ممنون که درک میکنید مارو.
مرجع تخصصی هوش مصنوعی و علم داده
دیتایاد / @datayad
۱۵:۴۹